Gemini Omni 1.1 Flash、生成AI動画に細かな制御を追加

導入

生成AIによる動画制作は、単発の短いクリップを作る段階から、複数の工程を組み合わせる制作ワークフローへ移りつつある。Google DeepMindが発表したGemini Omni 1.1 Flashは、画質だけを追求するアップデートではない。既存映像の続きを作る、ショットの始点と終点を制約する、低解像度で試作する、といった実制作に近い操作を開発者へ提供することが中心だ。

主な追加機能

• シーン延長：直前の映像から最大10秒分のコンテキストを分析し、終わった位置から続きを生成する。10秒単位で延長でき、累計の長さは最大40秒。最後の1秒だけを参照する従来方式と比べ、人物や背景、物語の流れを保つための情報が増える。ただし、発表資料にはジャンル別の一貫性評価までは示されていない。
• 始点・終点フレームの指定：ショットの最初と最後のフレームを指定し、その間を連続した映像として生成できる。カメラの周回、ズーム、急なパン、ループ映像などに向く機能で、自由記述だけに頼るよりも、従来のキーフレーム設計に近い考え方で構成できる。
• 360pでの高速な試作：絵コンテ、構図、プロンプトの確認には低解像度のプレビューを使える。Googleによれば、360pは標準の720pに比べて生成が最大60％速く、コストは約3分の1。試行錯誤と最終レンダリングを分離しやすくなる。
• 1080p・4K出力：検討段階から、より高解像度の納品候補へ移行できる。素材では高解像度出力の品質差や生成時間の詳細は説明されていないため、実際の制作では検証が必要になる。
• 動画参照入力：最大3秒の動画をマルチモーダル入力として利用できる。動きや見た目の文脈、キャラクターの一貫性を補う用途が想定され、公式例ではダンサーの参照動画を使っている。

意味と影響

これらの機能を組み合わせると、動画生成を「生成して終わり」ではなく、「低解像度で確認し、条件を調整し、必要な部分だけ延長して、高解像度で出力する」流れに組み込みやすい。動画編集ソフト、広告制作ツール、ストーリーボードアプリ、メディア制作基盤にとって、APIの機能を具体的な操作へ変換しやすい点が重要だ。

一方、発表は機能紹介とデモが中心で、長いシーンにおける人物同一性、動きの破綻率、一般的なベンチマークなどは示していない。専門用途で利用する場合は、生成映像と従来の編集・合成工程をつなげられるかを個別に確認する必要がある。Gemini Omni 1.1 Flashは、Google AI StudioのGemini APIとGemini Enterprise Agent Platformから利用を始められる。

Google DeepMind